부트스트랩 재표본추출
목표 벤치마크의 제한된 인스턴스 표본으로부터 여러 재표본을 복원추출하여 모델 평균 점수의 샘플링 분포를 근사하는 기법이다. 이 재표본들을 회귀 학습에 포함하면 목표 평균의 샘플링 노이즈에 대한 민감성이 줄어들고 회귀 계수가 과적합되는 위험이 완화된다. Pace에서는 bootstrap을 통해 목표값의 불확실성을 반영한 노이즈-강건 회귀를 구성했다.